如名所示，本项目意欲用alphago[1]所采用的的算法来建造一个下五子棋的AI。
一为学习，二主要是不想用启发式+搜索，因为获得好的启发式很难，且不自由。
实际上，已有很多五子棋AI[2]很厉害，相关算法可以参考这儿[3]或这儿[4]。
目前采用新方法的一些尝试[5]还没有达到期望。

就像alphago[1]，我们也想采用类似的方式：

• 1. 用监督学习训练策略网络
• 2. 在前面的基础上，通过self-play来增强策略网络和训练一个值网络
• 3. 用MCTS结合它们

对于监督学习，首先是收集数据。
我们的数据采集自gomocup前几名AI对弈记录。
你可以在这儿[6]下载，它们是经过对称旋转变换的。
做了几种不同的数据集，9x9和15x15大小的，有csv格式和TFRecord格式，
数据的含义参考[6]里的README。

主要的文件有:

main.py          #GUI，提供人机对弈界面和其它一些功能入口(通过按键)
game.py          #一局游戏，由2个AI和1个棋盘组成，可以有或没有GUI
board.py         #棋盘状态
strategy.py      #策略(AI)基类
strategy_dnn.py  #使用dnn作决策的AI
dnn*.py          #不同结构的DCNN，从本身运行可训练或强化, 用到tensorflow
mcts.py          #TODO MCTS，使用NN记录统计信息
mcts1.py         #单线程MCTS，使用Tree记录统计信息
dfs.py           #另一个AI，来自[7]
server.py        #用于和gomocup的其它AI切磋，因为gomocup manager[8]
                 #是个Windows程序，而我们的程序主要跑在Linux上，
                 #所以做了一次转发：
                 #gomocup manager <-> Windows stub[9] <-> server.py

为了跑起来，你需要在代码里改些配置，主要是在config.py里。
监督学习: python dnn3.py
强化学习: python main.py, 再按F4
参与到gomocup manager: python server.py

• 1. 探索新的网络结构，增加特征面
• 2. 解决或绕开self-play过拟合的问题

[1]Mastering the game of Go with deep neural networks and tree search
[2]Gomoku AI
[3]Gomoku Resources
[4]Carbon Gomoku
[5]Convolutional and Recurrent Neural Network for Gomoku
[6]Gomoku Dataset
[7]Gobang game with AI in 900 Lines
[8]Gomocup Manager
[9]Windows gomocup stub
[10]Human-level control through deep reinforcement learning
[11]MCTS

• 1. 监督学习所用的数据集会严重影响训练效果。
     之前我们用一个比较简单的启发式AI生成的数据集就连简单的规则都学不会，
     和人博弈时简直就是乱下
• 2. 用CNN描述棋盘状态，同样一些input features用不同形式喂给CNN，对结果影响不大
• 3. loss曲线和真正的效果感觉很奇怪
• 4. 直接和gomocup的其它AI对弈做强化学习实在是太慢，因为它们搜索一步
     都要很久，感觉self-play才是出路，要么能从很少的对弈中学习

• 1. 当前监督学习得到的策略网络预测正确率只有40%多，应该还有提升空间。
• 2. self-play的做法和alphago[1]一样的: 在对手池中挑一个对手，与之对弈，
     对手总采用贪婪策略，己方做探索，满足一定条件后加入对手池。
     看起来很完美，但是通过self-play得到的agent会过拟合于自己的对手，虽然可以打败了所有以前的对手，
     但是实际上变得没有通用性了，仅仅是这些以前的那些对手的克星。
     
• 3. 单线程MCTS[11]太慢，不实用，得改成APV-MCTS[1]

email: splendor.kill@gmail.com
QQ: 363599755
微信: splendor_k